24-Game-Reasoning icon indicating copy to clipboard operation
24-Game-Reasoning copied to clipboard

Published 8 months ago • verified publisher icon sylvain-wei
→

Metadata

超简单复现Deepseek-R1-Zero和Deepseek-R1，以「24点游戏」为例。通过zero-RL、SFT以及SFT+RL，以激发LLM的自主验证反思能力。 About Clean, minimal, accessible reproduction of DeepSeek R1-Zero, DeepSeek R1

← Metadata

33
Stars
2
Forks
33
Watchers

Owner

verified publisher icon sylvain-wei

Metadata

超简单复现Deepseek-R1-Zero和Deepseek-R1，以「24点游戏」为例。通过zero-RL、SFT以及SFT+RL，以激发LLM的自主验证反思能力。 About Clean, minimal, accessible reproduction of DeepSeek R1-Zero, DeepSeek R1

Back